基于YOLOv5算法的道路场景目标检测应用研究

作者：陈影

来源：现代计算机(专业版), 2021, 27(26): 55-61.

DOI：10.3969/j.issn.1007-1423.2021.26.010

• 道路目标
• YOLOv5
• 计算机视觉
• 机器学习
• 自动驾驶

道路目标检测与识别在当前自动驾驶领域具有重要的意义,而在道路目标检测与识别中,检测算法的高精度和快速推理速度对于安全的自动驾驶至关重要。运用YOLOv5(YOLO,you only look once)目标检测算法可以对车辆行驶途中的道路目标进行识别与分析,起到辅助驾驶并且降低安全隐患的作用。通过使用改进的YOLOv5目标检测算法训练BDD100K数据集,所获模型可以显著提高召回率,从而提高准确性。改进的YOLOv5算法主要是使用K-means算法来寻找数据集的最合适的anchors,并且通过实时数据增广训练得到更加精确的模型。结果表明,在BDD100K测试集上,改进后模型的mAP-50可以达到51.8%,并且,相比于原始模型的性能,改进后的模型对目标检测的mAP获得了明显的提高。相比于人工,本文模型可以在保证检测速度的情况下,更精确地检测目标。

• 单位
  数学学院; 合肥工业大学